Java實現圖片對比功能_java

　　之前用按鍵精靈寫過一些遊戲輔助，裡面有個函數叫FindPic，就上在螢幕範圍尋找給定的一張圖片，返回尋找到的座標位置。

　　現在，Java來實現這個函數類似的功能。

　　演算法描述：

螢幕截圖，得到圖A，(尋找的靶心圖表片為圖B)；
遍曆圖A的像素點，根據圖B的尺寸，得到圖B四個角映射到圖A上的四個點；
得到的四個點與圖B的四個角像素點的值比較。如果四個點一樣，執行步驟4；否則，回到步驟2繼續；
進一步對比，將對應範圍內的全部點與圖B全部的點比較。如果全部一樣，則說明圖片已找到；否則，回到步驟2繼續；
　　這裡，像素之間的比較是通過BufferedImage對象擷取每個像素的RGB值來比較的。如下，將BufferedImage轉換為int二維數組：

   /**   * 根據BufferedImage擷取圖片RGB數組   * @param bfImage   * @return   */   public static int[][] getImageGRB(BufferedImage bfImage) {     int width = bfImage.getWidth();     int height = bfImage.getHeight();     int[][] result = new int[height][width];     for (int h = 0; h < height; h++) {       for (int w = 0; w < width; w++) {         //使用getRGB(w, h)擷取該點的顏色值是ARGB，而在實際應用中使用的是RGB，所以需要將ARGB轉化成RGB，即bufImg.getRGB(w, h) & 0xFFFFFF。         result[h][w] = bfImage.getRGB(w, h) & 0xFFFFFF;       }     }     return result;   }

 　　比較兩個像素點的RGB值是否相同，是通過異或操作比較的（據說比==效率更高），如果異或操作後得到的值為0，說明兩個像素點的RGB一樣，否則不一樣。

　　下面附上演算法完整java代碼：

 package com.jebysun.test.imagefind;  import java.awt.AWTException; import java.awt.Rectangle; import java.awt.Robot; import java.awt.Toolkit; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException;  import javax.imageio.ImageIO; /** * 螢幕上尋找指定圖片 * @author Jeby Sun * @date 2014-09-13 * @website http://www.jebysun.com */ public class ImageFindDemo {      BufferedImage screenShotImage;  //螢幕截圖   BufferedImage keyImage;      //尋找靶心圖表片      int scrShotImgWidth;       //螢幕截圖寬度   int scrShotImgHeight;       //螢幕截圖高度      int keyImgWidth;         //尋找靶心圖表片寬度   int keyImgHeight;         //尋找靶心圖表片高度      int[][] screenShotImageRGBData;  //螢幕截圖RGB資料   int[][] keyImageRGBData;     //尋找靶心圖表片RGB資料      int[][][] findImgData;      //尋找結果，靶心圖表標位於螢幕截圖上的座標資料          public ImageFindDemo(String keyImagePath) {     screenShotImage = this.getFullScreenShot();     keyImage = this.getBfImageFromPath(keyImagePath);     screenShotImageRGBData = this.getImageGRB(screenShotImage);     keyImageRGBData = this.getImageGRB(keyImage);     scrShotImgWidth = screenShotImage.getWidth();     scrShotImgHeight = screenShotImage.getHeight();     keyImgWidth = keyImage.getWidth();     keyImgHeight = keyImage.getHeight();          //開始尋找     this.findImage();        }      /**   * 全屏截圖   * @return 返回BufferedImage   */   public BufferedImage getFullScreenShot() {     BufferedImage bfImage = null;     int width = (int) Toolkit.getDefaultToolkit().getScreenSize().getWidth();     int height = (int) Toolkit.getDefaultToolkit().getScreenSize().getHeight();     try {       Robot robot = new Robot();       bfImage = robot.createScreenCapture(new Rectangle(0, 0, width, height));     } catch (AWTException e) {       e.printStackTrace();     }     return bfImage;   }      /**   * 從本地檔案讀取靶心圖表片   * @param keyImagePath - 圖片絕對路徑   * @return 本地圖片的BufferedImage對象   */   public BufferedImage getBfImageFromPath(String keyImagePath) {     BufferedImage bfImage = null;     try {       bfImage = ImageIO.read(new File(keyImagePath));     } catch (IOException e) {       e.printStackTrace();     }     return bfImage;   }      /**   * 根據BufferedImage擷取圖片RGB數組   * @param bfImage   * @return   */   public int[][] getImageGRB(BufferedImage bfImage) {     int width = bfImage.getWidth();     int height = bfImage.getHeight();     int[][] result = new int[height][width];     for (int h = 0; h < height; h++) {       for (int w = 0; w < width; w++) {         //使用getRGB(w, h)擷取該點的顏色值是ARGB，而在實際應用中使用的是RGB，所以需要將ARGB轉化成RGB，即bufImg.getRGB(w, h) & 0xFFFFFF。         result[h][w] = bfImage.getRGB(w, h) & 0xFFFFFF;       }     }     return result;   }         /**   * 尋找圖片   */   public void findImage() {     findImgData = new int[keyImgHeight][keyImgWidth][2];     //遍曆螢幕截映像素點資料     for(int y=0; y<scrShotImgHeight-keyImgHeight; y++) {       for(int x=0; x<scrShotImgWidth-keyImgWidth; x++) {         //根據靶心圖表的尺寸，得到靶心圖表四個角映射到螢幕截圖上的四個點，         //判斷截圖上對應的四個點與圖B的四個角像素點的值是否相同，         //如果相同就將螢幕截圖上對應範圍內的所有的點與靶心圖表的所有的點進行比較。         if((keyImageRGBData[0][0]^screenShotImageRGBData[y][x])==0             && (keyImageRGBData[0][keyImgWidth-1]^screenShotImageRGBData[y][x+keyImgWidth-1])==0             && (keyImageRGBData[keyImgHeight-1][keyImgWidth-1]^screenShotImageRGBData[y+keyImgHeight-1][x+keyImgWidth-1])==0             && (keyImageRGBData[keyImgHeight-1][0]^screenShotImageRGBData[y+keyImgHeight-1][x])==0) {                      boolean isFinded = isMatchAll(y, x);           //如果比較結果完全相同，則說明圖片找到，填充尋找到的位置座標資料到尋找結果數組。           if(isFinded) {             for(int h=0; h<keyImgHeight; h++) {               for(int w=0; w<keyImgWidth; w++) {                 findImgData[h][w][0] = y+h;                  findImgData[h][w][1] = x+w;               }             }             return;           }         }       }     }   }      /**   * 判斷螢幕截圖上靶心圖表對應範圍內的全部點是否全部和小圖的點一一對應。   * @param y - 與靶心圖表左上方像素點想匹配的螢幕截圖y座標   * @param x - 與靶心圖表左上方像素點想匹配的螢幕截圖x座標   * @return   */   public boolean isMatchAll(int y, int x) {     int biggerY = 0;     int biggerX = 0;     int xor = 0;     for(int smallerY=0; smallerY<keyImgHeight; smallerY++) {       biggerY = y+smallerY;       for(int smallerX=0; smallerX<keyImgWidth; smallerX++) {         biggerX = x+smallerX;         if(biggerY>=scrShotImgHeight || biggerX>=scrShotImgWidth) {           return false;         }         xor = keyImageRGBData[smallerY][smallerX]^screenShotImageRGBData[biggerY][biggerX];         if(xor!=0) {           return false;         }       }       biggerX = x;     }     return true;   }      /**   * 輸出尋找到的座標資料   */   private void printFindData() {     for(int y=0; y<keyImgHeight; y++) {       for(int x=0; x<keyImgWidth; x++) {         System.out.print("("+this.findImgData[y][x][0]+", "+this.findImgData[y][x][1]+")");       }       System.out.println();     }   }       public static void main(String[] args) {     String keyImagePath = "D:/key.png";     ImageFindDemo demo = new ImageFindDemo(keyImagePath);     demo.printFindData();   }  }

　　這種演算法是精確比較，只要有一個像素點有差異，就會找不到圖片。當然，如果想指定一個比較的精確度，我也有個思路，就是在演算法步驟4比較對應範圍內全部像素點的時候做個統計，如果90%的點都相同，那就是說精確度是0.9。

　　另外，可能還要考慮效率問題，不過，我在我的應用程式情境中並不太在意效率。如果有朋友看到這篇文章，對這個話題有更好的想法，請留言。